Der Variablenvergleich von Shainin identifiziert mit minimalem Aufwand fehlerhafte Funktionen, die auf nicht optimalen Einstellungen von Variablen und Faktoren beruhen. Dies ermöglicht es, schnell realisierbare Optimierungspotentiale abzuleiten.
Der Variablenvergleich von Shainin identifiziert mit minimalem Aufwand fehlerhafte Funktionen, die auf nicht optimalen Einstellungen von Variablen und Faktoren beruhen. Dies ermöglicht es, schnell realisierbare Optimierungspotentiale abzuleiten.
Einsatzmöglichkeiten
Bestimmung der wichtigsten Variablen für das Fehlverhalten oder schlechte Performance von Produkten oder Prozessen
Bestimmung der entscheidenden Variablen und Faktoren zur Abschätzung weiterführender Optimierungsmaßnahmen, gegebenenfalls mit weiteren Tools
Untersuchung von Fehlern und Performance-Verlusten in Serienprodukten.
Untersuchung von Reklamationsgründen in Produkten oder Prozessen.
Der Variablenvergleich hat ein breites Anwendungsspektrum bei der Fehlersuche und Produktoptimierung. Er wird oftmals nach einem Komponententausch durchgeführt, in dem vorab die für das Fehlverhalten verantwortliche Systemkomponente identifiziert wurde.
Auf unterster Produktebene dient er dazu, um einzelne Stellgrößen und mögliche Variationen am und im Produkt zu untersuchen. Bei einer Systemkomponente können mit dem Variablenvergleich die für ein Fehlverhalten verantwortlichen Parameter identifiziert werden. Eine weitere Einsatzmöglichkeit ist die Analyse variabler Bestandteile einer Formulierung (z.B. Zusammensetzung eines Lacks), die im Verdacht stehen, für Anwendungsprobleme verantwortlich zu sein.
Je nach Umfang, Größe und Komplexität der zu untersuchenden Situation kann die Methode von einzelnen Personen oder im Team angewandt werden.
Ergebnisse
Differenzierte Einschätzung, welchen Beitrag die einzelnen Variablen und Faktoren zur Performance der gewünschten Funktion des Produkts, der Systemkomponente oder des Prozesses beitragen. Hinweise darüber, welche Funktionen möglicherweise grenzwertige Einstellungen / Einstellungsbereiche haben, die zu einem Abweichen von der definierten Sollfunktion oder Spezifikation führen. Die identifizierten Variablen oder Faktoren können ggf. mit weiterführenden Methoden (z.B. Design of Experiments - DoE) anschließend analysiert und optimiert werden.
Vorteile
Die Methode bietet ein stark vereinfachtes und damit beschleunigtes Vorgehen zur Untersuchung von Prozessen und Produkten.
Gegenüber anderen gängigen Methoden wie z.B. COST (Change One Setting at a Time) oder OFAT (One Factor at a Time) bietet der Variablenvergleich einen ganzheitlichen Betrachtungsansatz, indem alle Variablen gleichermaßen strukturiert untersucht werden. Dadurch entfallen zeitraubende und meist wenig zielführende Diskussionen zwischen den Einzelversuchen.
Da die Methode sich vollständig darauf fokussiert, die Einstellbarkeit der Variablen und Faktoren zu untersuchen, können innerhalb des gesetzten Variablen-Rahmens strukturiert Versuche nach einem definierten Muster effektiv und effizient abgearbeitet werden.
Die Identifikation der relevanten Einflussgrößen reduziert erheblich Kosten und Dauer für den eigentlichen Optimierungsprozess mit aufwendigeren Methoden.
Grenzen, Risiken, Nachteile
Die Methode untersucht die Variablen und Faktoren auf zwei Niveaus und führt damit zur Betrachtung von ausschließlich linearen Wirkzusammenhängen. Fehler und abweichende Performance werden hierbei erkannt. Jedoch kann es erforderlich sein, zur anschließenden Optimierung eine erweiterte Versuchsplanung für komplexe Zusammenhänge zu verwenden.
Die Bestandteile modularer Produkte (sowohl Hardware als auch Software) werden meist von mehreren Zulieferern produziert. Zur effektiven Aufdeckung der durch Variablen und Faktoreinstellung bedingten fehlerhaften Funktionen muss deshalb ggf. unternehmensübergreifend gearbeitet werden. Anschließend kann es erforderlich sein, mit den Herstellern von Sub-Systemen / Baugruppen oder Bauteilen Hand in Hand an der Optimierung zusammenzuarbeiten.
Voraussetzungen
Die Variablen oder Faktoren müssen innerhalb eines bestimmten Wertebereichs veränderbar sein. Z.B. Veränderung von Bestandteilen eines Gemisches oder Einstellwerte eines bestimmten Faktors in einer Steuerung.
Variablen, die untersucht werden sollen, lassen sich auf zwei Levels variieren, dies können auch kategorische Zustände sein wie z.B. "mit Beschichtung" und "ohne Beschichtung" oder Verwendung von "Rohstoff A" oder "Rohstoff B".
Die Variation der Variablen (wie z.B. Anteile, Stoffe oder Faktoren) muss nachvollziehbar definierbar/einstellbar sein, gerade wenn die Ergebnisse im Anschluss mittels zerstörender Prüfung vermessen werden.
Die Ergebnisse, die durch den Variablenvergleich erzeugt werden, sollten quantitativ messbar sein, um die Effekte den Veränderungen von Variablen und Faktoren eindeutig zuzuordnen. Sollte die Zielgröße jedoch nicht quantitativ messbar sein, ist eine Mindestanforderung, dass sich die Ergebnisse eindeutig in die Gruppen "gut“ und "schlecht" unterscheiden lassen.
Um die Fehlerbilder sicher beurteilen zu können, fordert Shainin, dass deren Zielgröße fein abgestuft messbar ist. Hierbei spricht man auch von der "Auflösung eines Messmerkmals".
Qualifizierung
Die Anwendung der Methode erfordert in den allermeisten Fällen Detailwissen über die Zusammenhänge im Produkt (Abmaße, Zusammensetzung, Herstellung) oder den Einstellungen innerhalb von Baugruppen (Funktionen, Einstellmöglichkeiten, Rahmenbedingungen). Zudem sind natürlich sicherheitstechnische Aspekte bei der bewussten Manipulation an Geräten und Produkten zu klären, auch wenn es sich hierbei nur um Tests handelt, die unter kontrollierten Bedingungen durchgeführt werden.
Für die Durchführung der Methode aus methodischer Sicht sind grundsätzlich keine besonderen Kenntnisse erforderlich, da Shainin seine Methodiken meist so einfach wie möglich hielt. Zum besseren Verständnis sind jedoch grundlegende Kenntnisse zur Berechnung von Mittelwerten und Standardabweichungen hilfreich. Bei der Analyse umfangreicher Datenmengen sind weitergehende statistische Kenntnisse nützlich, z.B. um Lage, Asymmetrie der Daten sowie Ausreißer zu erkennen und richtig zu interpretieren. Auf die erweiterte statistische Betrachtung wird hier jedoch nicht eingegangen, da diese nicht Teile der eigentlichen Methode sind.
Benötigte Informationen
Fachliches Wissen zum Produkt, z.B.: Welche Faktoren und Variablen lassen sich verändern? Auch: Wie lassen sich diese verändern oder modifizieren?
Hintergrundwissen zur Fehlerausprägung: Wie oft und unter welchen Bedingungen wurde ein Abweichen von der Sollfunktion beobachtet? Hierfür können z.B. Daten aus Reklamationen oder aus der Entwicklung herangezogen werden. Evtl. liegen zusätzlich Daten aus FMEA, Prozess-FMEA oder in Form einer Validierungs-Matrix vor.
Produkte oder Prozesse, die mit dem Variablenvergleich untersucht werden, können sehr verschiedenartig sein, wie z.B.:
Untersuchung des Ofenprozesses zur Herstellung einer Fertigbackmischung (Zeit, Temperatur, Ofen-Art)
Bestandteile einer Lackformulierung: Lösemittel, Pigment, Stabilisatoren, UV-Absorber, Additive
Bioreaktor für Zellkulturen: Einstellung des PH-Werts, Nährlösung, Atmosphäre, Zeit, Temperatur.
Diese Beispiele zeigen die Bandbreite von Anwendungsmöglichkeiten, daher sind unterschiedliche Informationen erforderlich wie z.B. Bauteilzeichnungen, Pläne, chemisches und physikalisches Wissen, Sicherheitsdatenblätter und vieles andere je nach Art und Umfang der Untersuchung.
Benötigte Hilfsmittel
Je nachdem, welche Art von Produkt oder Prozess untersucht werden soll, sind unterschiedliche Werkzeuge zur Einstellung der Variablen oder Faktoren erforderlich. Hierbei können die Werkzeuge sehr unterschiedlich ausfallen, je nachdem ob es sich um Variablen in einer Software oder z.B. die Presspassung eines Lagers handelt.
Oftmals ist es im Nachhinein sehr schwierig zu erkennen, welche Modifikation an den Einstellmöglichkeiten durchgeführt worden ist. Aus diesem Grunde ist es dringend erforderlich, ein schlüssiges Konzept für die Dokumentation der Versuche und Ergebnisse vorab zu definieren. Hierfür sind die erforderlichen Hilfsmittel (z.B. für fotografische Dokumentation) bereitzustellen.
Shainin wollte bewusst so einfach wie möglich arbeiten. Der Variablenvergleich erfordert deshalb keine Statistik-Software und kann grundsätzlich mit Bleistift und Papier bzw. einem üblichen Tabellenkalkulationsprogramm durchgeführt werden.
Herkunft
Dorian Shainin (1914-2000) entwickelte mehr als 20 Methoden für den Bereich Produktzuverlässigkeit und Qualitätstechnik, die unter dem Oberbegriff "Shainin System" zusammengefasst werden. Sein Ziel war es, dadurch beständig die Verbesserung von Qualität und Zuverlässigkeit zu sichern (Klein, Bernhard: Versuchsplanung – DoE. Einführung in die Taguchi/Shainin-Methode, 2014; Steiner, Stefan H.; MacKay, R. Jock and Ramberg, John S.: An Overview of the Shainin System™ for Quality Improvement, https://uwaterloo.ca/business-and-industrial-statistics-research-group/sites/ca.business-and-industrial-statistics-research-group/files/uploads/files/rr-06-03.pdf)
Das prinzipielle Vorgehen ist sehr einfach: Die Auswirkungen von N Stellgrößen auf eine Zielgröße werden mit 2*N+2 Versuchen gemessen. Für die Bestandsaufnahme werden zu anfangs Messungen durchgeführt, in denen alle Variablen gemeinsam zuerst in ihrer Ausgangssituation und anschließend in einer Folgeeinstellung untersucht werden. Um die Wirkungen der einzelnen Variablen zu analysieren, wird im Folgenden jeweils nur die betrachtete Variable gegensätzlich zu den anderen Variablen in Ausgangssituation und Folgeeinstellung variiert. Hierfür sind je Variable zwei Experimente erforderlich. Dieses Vorgehen wird iterativ für alle Variablen durchgeführt. Analysiert wird die gemessene Zielgröße für die verschiedenen Kombinationen, um die relevanten Stellgrößen zu identifizieren.
Die Methode identifiziert durch Ihren bestechend einfachen Aufbau schnell und effizient Fehlfunktionen, die von veränderbaren Variablen im System oder der Anwendung abhängen. Ziel ist es, mit möglichst geringem Aufwand die verantwortlichen Variablen und Faktoren zu identifizieren. Anschließend können diese Einstellungen hinterfragt werden, um Optimierungspotential, Grenzen der Performance oder auch Kompromisslösungen zu diskutieren.
Der Begriff "Variable" kann hier weit gefasst werden und schließt die qualitative Betrachtung ebenso ein wie die quantitative Betrachtung. Vereinfacht kann das für den qualitativen Teil bedeuten, dass z.B. ein Bestandteil in einer Mischung ausgetauscht werden kann. "Variable" kann hier auch für einen Faktor oder eine Stellgröße stehen, die in einem Produkt oder Prozess verändert werden kann. Es ist dabei nicht von Bedeutung, ob es sich hier um physikalische oder digitale Systeme wie z.B. Software handelt.
Bevor Sie mit der Methode durchstarten, ist es von grundlegender Bedeutung zu wissen, wann, wie und wie oft ein mögliches Fehlverhalten in Ihrem Produkt oder Prozess aufgetreten ist. Dies ist erforderlich, damit die Umstände nachgestellt werden können, in denen ein Fehlverhalten beobachtet worden ist. Nur so kann der Einfluss der zuvor abgeschätzten Variablen zielgerichtet auf Hinweise zum Fehlverhalten untersucht werden.
Beispiel: Untersuchung eines Spülmaschinen-Tabs
Bei einem Hersteller für Spülmaschinen-Tabs gehen Beschwerden ein, dass die Tabs häufig schon beim Auspacken aus der Kunststofffolie zerbröseln. Der Hersteller will deshalb die Zusammensetzung der Tabs sowie ihren Produktions- und Verpackungsprozess auf Ursachen für dieses unerwünschte Verhalten untersuchen.
Schritt 1: Definieren Sie Ihre Zielfunktion!
Als erstes benötigen Sie eine objektive Zielfunktion, um die einzelnen Ergebnisse der Versuche miteinander vergleichen zu können. Hierzu definieren Sie eine Messgröße, mit der Sie den Einfluss der Variablen bestimmen können und die quantifiziert, bis zu welchem Grad Ihre Anforderung erfüllt wird. Eine solche Messgröße zu finden, ist nicht immer trivial, da z.B. Kundenreklamationen zwar das störende Ereignis aber selten die zu verbessernde technische Eigenschaft benennen.
Mit anderen Worten: Wenn die betrachtete Variable Ursache für den zu behebenden Fehler ist, dann sollte dies sich in der gewählten Zielfunktion auch signifikant ausdrücken, wenn Sie diese Variable von ihrem Ausgangszustand auf die vorab definierte abweichende Einstellung (Folgeeinstellung) verändern. Zugleich muss diese Zielgröße auch ein geeignetes Maß zur Darstellung der gewünschten Funktion oder Eigenschaft sein.
Beispiel: Härte der Tabs
Aus der Reklamation: "Die Tabs zerbröseln" schließt der Hersteller, dass die Härte der Tabs nicht ausreichend ist. Die Härte kann in einem Standardverfahren bestimmt werden, bei der die Kraft in Newton (N) gemessen wird, die zur Zerstörung des Tabs führt. Diese Kraft kann z.B. mit einer Stauchpresse (Bild 1) ermittelt werden, bei der das Untersuchungsobjekt zwischen zwei Platten einem kontinuierlich anwachsenden Druck ausgesetzt wird.
Bild 1: Prinzip der Härtemessung mit einer Stauchpresse. Die auf den Prüfling ausgeübte Kraft wird über den Abstand zwischen den Platten der Presse aufgetragen.
Schritt 2: Bereiten Sie die vorliegenden Daten auf!
Erfolg oder Misserfolg eines Projektteams hängen von strukturellen Einflüssen (hard facts) und Verhaltensweisen (soft facts) ab. Gibt es im Team Reibungsverluste, müssen beide Bereiche analysiert werden, um nachhaltige Lösungen zu entwickeln. Checklisten mit zentralen Fragen unterstützen Sie dabei.
Sie möchten mit Ihrem Team gerne auf Scrum umsteigen und wissen nicht wie? In diesem Spotlight zeigen wir Ihnen, wie der Einstieg in Scrum gelingt und mit welchen hybriden Ansätzen Sie arbeiten können.
objectiF RPM ist eine Unternehmenssoftware für mehr Business Agilität, die Requirements Engineering und Projektmanagement vereint. Teams kollaborieren mit revisionssicheren Daten in der Cloud oder On-Premise. Hochgradig anpassbar, made in Germany.
Weichen Sie den Unsicherheiten Ihres Projekts nicht aus, sondern beschäftigen Sie sich professionell mit ihnen! Identifizieren und beseitigen Sie Blind Spots, behalten Sie die echten Risiken im Auge und meistern Sie so Ihr Projekt erfolgreich!
Der Variablenvergleich von Shainin identifiziert mit minimalem Aufwand fehlerhafte Funktionen, die auf nicht optimalen Einstellungen von Variablen und Faktoren beruhen. Dies ermöglicht es, schnell realisierbare Optimierungspotentiale abzuleiten.
Welche Vorteile hat der Variablenvergleich nach Shainin?
Die Methode bietet ein stark vereinfachtes und damit beschleunigtes Vorgehen zur Untersuchung von Prozessen und Produkten.
Gegenüber anderen gängigen Methoden wie z.B. COST (Change One Setting at a Time) oder OFAT (One Factor at a Time) bietet der Variablenvergleich einen ganzheitlichen Betrachtungsansatz, indem alle Variablen gleichermaßen strukturiert untersucht werden.
Die Identifikation der relevanten Einflussgrößen reduziert erheblich Kosten und Dauer für den eigentlichen Optimierungsprozess mit aufwendigeren Methoden.
Wie funktioniert der Variablenvergleich nach Shainin?
Das prinzipielle Vorgehen ist sehr einfach: Die Auswirkungen von N Stellgrößen auf eine Zielgröße werden mit 2*N+2 Versuchen gemessen. Zuerst werden Messungen durchgeführt, in denen alle Variablen gemeinsam in ihrer Ausgangssituation und anschließend in einer Folgeeinstellung untersucht werden. Um die Wirkungen der einzelnen Variablen zu analysieren, wird im Folgenden jeweils nur die betrachtete Variable gegensätzlich zu den anderen Variablen in Ausgangssituation und Folgeeinstellung variiert. Analysiert wird die gemessene Zielgröße für die verschiedenen Kombinationen, um die relevanten Stellgrößen zu identifizieren.
